Децентрализация обработки данных в автономном автомобиле даёт эффект удешевления

Автомобильная промышленность делает упор на объединение датчиков как на лучший вариант решения проблемы сложности и надёжности, что необходимо для всё более автономных автомобилей. Данные с нескольких устройств будут управляться и использоваться внутри автомобиля.

Движение к большей автономии оказалось значительно более сложным, чем ожидалось поначалу. Существуют требования к высокой надёжности в течение длительного срока службы с нулевым полевым отказом. Автомобили должны быть безопасными, безотказными и полностью осведомлёнными о своём окружении при любых погодных и дорожных условиях, рассуждает Энн Стеффора Мутшлер исполнительный редактор компании Semiconductor Engineering. И они должны делать это по доступной цене. 

Это позволило привлечь внимание к слиянию датчиков как к пути вперёд, объединяющему различные дополняющие друг друга методики получения информации.

«Если мы посмотрим на ADAS и на то, как он подходит для автомобиля, повнимательней, мы увидим, что многие подсистемы используются для множества различных функций, - говорит Питер ван дер Вольф, главный инженер по исследованиям и разработкам в Synopsys. – В одном автомобиле используются различные технологии, такие как радар, лидар и камеры, например, радар дальнего действия для круиз-контроля, радар ближнего действия для обнаружения других транспортных средств, а также лидар и подсистема на основе камеры. А поскольку в автомобиле так много подсистем, очень важно, чтобы стоимость компонентов была низкой».

Каждый режим датчика основан на разных физических принципах, разных целях и различных модальностях. У всех них есть своя цель. Некоторые из них частично совпадают, но все они должны функционировать как по отдельности, так и вместе.

«Радары используются для обнаружения, определения местоположения и отслеживания объектов на значительных расстояниях, - говорит Джозеф Нотаро, вице-президент ON Semiconductor по глобальной автомобильной стратегии и развитию бизнеса. – Лидар использует свет для измерения окружающего пространства (переменных расстояний), чтобы создать трёхмерное изображение окружающей его области. А видеодатчики улавливают фотоны, проходящие через линзу, для создания “изображения”, которое помогает не только обнаруживать, но и распознавать объекты, дорожные знаки и пешеходов. Работа в реальном времени важна для систем AV/ADAS, поэтому одной из основных проблем является “синхронизация” данных, полученных каждым датчиком, для извлечения точной и актуальной информации. Методы, используемые каждым датчиком для сбора информации, различны, поэтому глубокое понимание того, как работает каждая модальность, необходимо для эффективного “объединения” этих различных наборов данных».

В автомобильной промышленности произошли значительные изменения в определении электрической/электронной архитектуры. Первоначальная идея заключалась в том, чтобы разместить суперкомпьютер в центре автомобиля, с немыми датчиками по бокам. Это оказалось нереальным по многим причинам.

«В этой модели мы передаём все данные и обрабатываем их в одном месте, - говорит Роберт Швайгер, директор по автомобильным решениям в Cadence. – Вскоре стало понятно, что интерфейсы в автомобиле, в сетевых соединениях не обеспечивают требуемой полосы пропускания для передачи необработанных данных датчиков. Но самая большая проблема для слияния датчиков заключается в том, что каждый использует собственное решение. Вот почему мы даже не достигли уровня 3 автономности в производстве. Каждый ищет своё решение».

В автомобильной архитектуре повсюду происходят изменения. «Некоторое время необработанное объединение сенсоров было большим делом, - сказал Дэвид Фриц, старший директор по автономным системам и системам на кристалле ADAS в Mentor, подразделении Siemens. - Как мне собрать все эти необработанные данные и обработать их централизованно?

До недавнего времени считалось, что всё является сложным с точки зрения вычислений и для всего требуется Искусственный интеллект, а это потребляет много энергии.

«Идея заключалась в том, что требуется много обучения, поэтому имеет смысл проводить его централизованно, скажем, с набором графических процессоров Nvidia или NPU или чего-то в этом роде, - сказал Фриц. – Произошёл переход от этих высокопроизводительных, мощных и дорогостоящих решений к чему-то, основанному на Arm, к чему-то очень маленькому, с очень низким энергопотреблением, очень рентабельным, с уходом от этого общего Искусственного интеллекта, к чему-то, что может быть автоматически сгенерировано и настроено. Теперь передача всей этой мощности прямо на датчик стоит 1,50 доллара».

Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный канал на TamTam